图像中的圆形轮廓检测python opencv

Question

我正在尝试检测下图中的圆圈。

所以我做了颜色阈值处理，最后得到了这个结果。

因为去掉了圆心的线，圆被分割成了很多小的部分，所以如果我在上面做轮廓检测，它只能分别给我每个轮廓。

但是有没有办法可以以某种方式组合轮廓，这样我就可以得到一个圆而不是圆的一部分？

这是我的颜色阈值代码：

blurred = cv2.GaussianBlur(img, (9,9), 9)

ORANGE_MIN = np.array((12, 182, 221),np.uint8)
ORANGE_MAX = np.array((16, 227, 255),np.uint8)

hsv_disk = cv2.cvtColor(blurred,cv2.COLOR_BGR2HSV)
disk_threshed = cv2.inRange(hsv_disk, ORANGE_MIN, ORANGE_MAX)

Answer 1

我猜颜色分割的阈值有问题，所以这里的想法是生成一个二进制掩码。通过检查您感兴趣的区域似乎比输入图像的其他区域更亮，因此可以简单地对灰度图像进行阈值处理以简化上下文。 注意：您可以根据需要更改此步骤。在满足阈值输出后，您可以使用 cv2.convexHull() 来获得轮廓的凸形状。

还要记住 select 最大的轮廓并忽略小的轮廓。以下代码可用于生成所需的输出：

import cv2
import numpy as np

# Loading the input_image
img = cv2.imread("/Users/anmoluppal/Downloads/3xGG4.jpg")
# Converting the input image to grayScale
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# Thresholding the image to get binary mask.
ret, img_thresh = cv2.threshold(img_gray, 145, 255, cv2.THRESH_BINARY)

# Dilating the mask image
kernel = np.ones((3,3),np.uint8)
dilation = cv2.dilate(img_thresh,kernel,iterations = 3)

# Getting all the contours
_, contours, __ = cv2.findContours(dilation, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

# Finding the largest contour Id
largest_contour_area = 0
largest_contour_area_idx = 0

for i in xrange(len(contours)):
    if (cv2.contourArea(contours[i]) > largest_contour_area):
        largest_contour_area = cv2.contourArea(contours[i])
        largest_contour_area_idx = i

# Get the convex Hull for the largest contour
hull = cv2.convexHull(contours[largest_contour_area_idx])

# Drawing the contours for debugging purposes.
img = cv2.drawContours(img, [hull], 0, [0, 255, 0])
cv2.imwrite("./garbage.png", img)

Answer 2

仅使用红色平面执行任务会容易得多。

图像中的圆形轮廓检测python opencv

Circular contour detection in an image python opencv

python

opencv

matplotlib

computer-vision

edge-detection